标准正态分布随机变量的倒数的分布

背景

看到有人在问这个问题,拿来算算。

自从有了CSDN-MarkDown之后,写博客舒服多了,尤其是数学公式部分。

原理

推荐的参考书是:
Schaum’s outline of Probability and Statistics, 3rd Edition, 2009; 科学出版社2002年翻译出版了该书的第二版,所以有中文版。

Continuous Variables

  • Theorem 1. Let X be a continuous random variable with probability density f(x). Let us define U=ϕ(X) , where X=ψ(U)=ϕ1(U) (反函数存在). Then the probability density of U is given by g(u), where:
    g(u)|du|=f(x)|dx|

    or
    g(u)=f(x)dxdu=f[ϕ1(u)]ψ(u)

当连续随机变量是多维的情况下,联合分布密度函数是多元函数,这时候绝对值符号内对应于雅可比行列式。

  • Theorem 2. Let X and Y be continuous random variables having joint density function f(x,y) . Let us define U=ϕ1(X,Y) , V=ϕ2(X,Y) , where X=ψ1(U,V),Y=ψ2(U,V) . Then the joint density function of U adn V is given by g(u,v) , where:

    g(u,v)|dudv|=f(x,y)|dxdy|

    or
    g(u,v)=f(x,y)(x,y)(u,v)=f(ψ1(u,v),ψ2(u,v))ψ1uψ2uψ1vψ2vJacobianabs

提示:“复合”函数 ϕi 的“反函数” ψi 解析表达式存在很关键;函数 ϕi 在计算中反而并未出现。

举例

  • Example X 服从标准正态分布,则Y=1X服从何种分布(求概率密度函数)?如果存在,计算 Y 的数学期望。

    解:

    直接套用 定理1 即可。
    标准正态分布的概率密度函数:
    f(x)=12πex22, 以及:
    y=ϕ(x)=1x,x=ϕ1(y)=ψ(y)=1y,

    从而 Y 的概率密度函数:

    g(y)=f(x)dxdy=f(ϕ1(y))d(1y)dy=e12y22πy2

    用Mathematica比较下两个分布密度函数:

Plot[{E^(-(1/(2 x^2)))/(Sqrt[2 \[Pi]] x^2),E^(-(x^2/2))/Sqrt[2 \[Pi]]},{x,-5,5},PlotStyle->{Blue,Red},PlotPoints->150,AxesOrigin->{0,-.02},AxesStyle->Arrowheads[0.02],AxesLabel->{x,y},LabelStyle->Directive[Black,14,FontFamily->"Times"],TicksStyle->Directive[Black,14],AxesStyle->Directive[Black, 12],PlotLegends->{1/x,x}]

图中红色为标准正态概率密度函数,蓝色为其倒数对应随机变量的概率密度函数。看上去即有些意外,又很无可厚非。
这里写图片描述

E(Y)=12πlima+aae12y2ydy=0

y=0 这个点有些特殊,似乎会导致被积函数无意义;不过从双侧极限 y±0 的角度,在 y=0 被积函数极限都为 0 。挖掉 y=0,因为数学期望的被积函数都是奇函数,在对称的区间上积分时总是得到 0 、从而新随机变量的数学期望也是 0,虽然看上去去掉了一个离散点不太光彩,却暂且是明智的处理方法。——去掉有限多个 第一类可去间断点,不影响大局。

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值